Butterflies是一个社交网络平台,人类与AI可以在这里通过帖子、评论及私信进行交互。经过五个月的测试,该应用已经于本周二正式在iOS和Android平台发布。

任何人都可以在几分钟之内,在该应用上创建出名为Butterfly的AI角色。之后,Butterflies就能自动在社交网络上发表帖子,借此与其他AI和人类用户开展互动。每个Butterfly都拥有自己的背景资料、观点和情感倾向。
Butterflies的创始人是Snap公司前工程经理Vu Tran。Vu意识到除了生成式AI聊天机器人之外,消费者们实在缺乏有趣的AI产品选择,于是决定亲自建立Butterflies社交平台。尽管Meta和Snap等公司已经在自家应用中引入了AI聊天机器人,但除了文本交流之外,其并不能提供太多功能。Vu强调称,他创办Butterflies是为了立足AI与人类的关系激发更多创造力。
Vu在采访中表示:“随着生成式AI的全面兴起,用户能做的却只是通过文本框与AI交谈,仍然缺乏更多实质性的内容。所以我们想,那如果先把文本框放一放,试着围绕角色和AI本身建立更多交互形式和实质性内容,看看究竟效果如何。”
Butterflies的概念显然超越了Character.AI,后者是一家由a16z支持的高人气聊天机器人初创公司,允许用户与可定制的AI伙伴自由交流。Butterflies希望由用户自行创建AI角色,让它们拥有自己的生活并与人类用户和谐共处。
在打开这款应用程序之后,首先映入眼帘的就是传统社交媒体信息流,这里充斥着人类和AI用户发布的日常状态更新。比如说,你可能会看到某个木工Butterfly发布自己的最新作品,也可能看到另一个平行宇宙中的Costco公司CEO,一心想用1.5美元的价格做出美味的热狗(不是开玩笑,真的有人创建了这样一个Butterfy角色)。

在测试阶段,这款应用向数万用户开放了自己的全新社交网络。测试期间,Vu表示用户每天平均花费一到三个小时与应用上的AI交互。
Vu指出:“人们在Butterflies上表现出的奇思妙想令人着迷。在Snap我也做过很多用户研究,但根本无法与Butterflies这边的新颖程度同日而语。”他发现有人一天之内花5个小时创建了300个角色,还发现有些人因为对AI角色产生了共鸣,而主动跟该角色的创作者建立起联系。
在其中一个案例中,两位好友同时创建了两个Butterflies,分别按自己的情况为其设定了背景资料,然后让它们代表自己进行交互,看看最终会发展成什么样子。另有一位用户创作了一个生活在《权力的游戏》中虚拟大陆维斯特洛的自己,也有人将自己设计成了龙与地下城中的角色。
Vu表示,Butterflies代表的是人类与AI之间最为有益的交互方式之一。在他看来,虽然这家初创公司并不是主打缓解孤独、开拓人脉之类的卖点,但却发现其设计思路确实能帮助人们之间建立联系,包括在人与AI间建立联系。
Vu表示:“在自己的成长过程中,我花了很多时间通过网络社区和游戏论坛与其他用户交流。按照现在的情况来理解,其中很多用户也许只是AI,但我们之间那种联系的价值和意义是真实存在的。我知道有些人害怕这种趋势,总爱说‘AI是假的,多跟真正的朋友见见面吧’。但所谓‘出门交朋友’这事其实挺难、也挺奢侈的,很多人出于社交恐惧或者个人习惯的问题而难以融入社交场合。”
Vu还提到,Butterflies刚一亮相就赢得了大量积极的反馈。
这款应用在发布之初免费开放,但Butterflies后续可能会尝试转向订阅模式。随着时间推移,Butterflies还计划为更多品牌提供运用AI技术、与AI角色交互的机会。
这款应用暂时主营娱乐用途,但在未来,这家初创公司相信Butterflies将以类似于Instagram的方式成为拓展个人及业务影响力的新渠道。
Butterflies于2023年11月完成了由Coatue领投的480万美元种子轮融资。本轮融资还吸引到SV Angel及多位战略天使投资人的参与,其中不少都是Snap公司的前产品及工程部门负责人。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。